Sie sind auf Seite 1von 25

Ergodentheorie

mit Anwendung auf Kettenbr uche


Patrick Rode
14.02.2011
Inhaltsverzeichnis
Einleitung 1
1 Ergodizitat 2
2 Der Ergodensatz von Birkho 6
3 Kettenbr uche 9
4 Anwendung des Erogdensatzes 20
1
Inhaltsverzeichnis 1
Einleitung
Die Ergodentheorie studiert das Langzeitverhalten dynamischer Syste-
me mit ma- beziehungsweise wahrscheinlichkeitstheoretischen Methoden.
Mithilfe dieser lasst sich ein von der Aussage her zum starken Gesetz der
groen Zahlen aquivalenter Satz beweisen. Wir beschaftigen uns also mit
einer Folge von Zufallsvariablen, deren Mittelwert gegen eine Konstan-
te konvergieren soll. Zugrunde liegt dabei allerdings keine Folge von un-
abhangigen und gleichverteilten Zufallsvariablen, sondern ein sogenanntes
dynamisches System und Zufallsvariablen, die mithilfe von einer Selbst-
abbildung - die immer und immer wieder auf sich selbst angewendet wird
- deniert werden. Sind dann gewisse Voraussetzungen erf ullt, haben die-
se Zufallsvariablen ahnliche Eigenschaften wie unabhangig und identisch
verteilten Zufallsvariablen.
Man kann sich die Selbstabbildung wie das Verhalten von einer Biene
vorstellen, die geargert wurde und nun wie wild in einem gewissen Raum
herumiegt. Als Zufallsvariablen konnte man dann den Aufenthaltsort
der Biene zu verschiedenen, aufeinander folgenden Zeitpunkten wahlen.
Nat urlich sind diese dann nicht unabhangig, denn der Aufenthaltsort der
Biene zu einem bestimmten Zeitpunkt bestimmt sehr wohl, wo sie sich
kurz dannach aufhalten konnte. Trotzdem kann man (wenn man die wil-
de Biene nur als mathematisches Gedankenexperiment betrachtet) nach
unendlich langer Flugzeit mit zufalligen Richtungsimpulsen darauf schlie-
en, wo sie sich im Mittel am meisten aufgehalten hat: namlich in der
Mitte des Raumes.
Das ware die Folgerung des Birkhoschen Ergodensatz, der in Kaptitel 2
bewiesen werden soll. Zuvor muss der Begri der Ergodizitat erst einmal
deniert werden, was nebst zwei Beispielen in Kapitel 1 geschehen wird.
Weil die Beispiele aus Kapitel 1 zwar gut den Grundgedanken der Ergo-
dizitat verdeutlichen, aber keine spektakulare Anwendung des Ergoden-
satzes liefern, wollen wir uns in Kapitel 3 mit einer anderen Anwendung
beschaftigen. Es werden Kettenbr uche behandelt, f ur die drei sehr inter-
essante (und vielleicht uberraschende) Ergebnisse prasentiert werden.
1 Ergodizitat 2
1 Ergodizitat
Es sei im folgenden immer (, /, P) ein Wahrscheinlichkeitsraum und
: eine messbare Abbildung.
Denition 1.1 (Invarianz). Wir nennen ein Ereignis A / invariant,
falls
1
(A) = A gilt und denieren J als die -Algebra der invarianten
Ereignisse:
J :=
_
A / :
1
(A) = A
_
.
Denition 1.2 (Matreue). Die Abbildung : nennen wir ma-
treu, falls P(
1
(A)) = P(A) f ur alle A / gilt.
Man nennt (, /, P, ) dann ein dynamisches System.
Denition 1.3 (Ergodizitat). Ist matreu und P(A) 0, 1 f ur alle
A J (die -Algebra der invarianten Ereignisse ist P-trivial), so nennen
wir ergodisch.
Um nun zu verdeutlichen, was wir hiermit uberhaupt deniert haben,
betrachten wir jetzt zwei Beispiele f ur ergodische Funktionen.
Beispiel 1.4. Sei n N, n ,= 1. Wir stellen uns dann ein n-Eck vor
und identizieren es mit dem Grundraum =
Z
/(n)
. Wir wollen uns
nun eine Abbildung denieren, die von einer Ecke in eine andere Ecke
abbildet.
Sei daf ur k 1, ..., n 1 und : , x x + k (mod n).
Um einen kompletten Wahrscheinlichkeitsraum zu erhalten, wahlen wir
/ = 2

und als P die Gleichverteilung auf .


Dann gilt:
ist ergodisch ggT(k, n) = 1.
Beweis. Sei ggT(k, n) = b > 1. Dann gibt es ein A / mit P(A) / 0, 1
und
1
(A) = A. Mit A = 0, b, 2b, ..., n b gilt namlich
1
(A) = A
und P(A) =
1
b
/ 0, 1. ist also nicht ergodisch.
Sei nun ggT(k, n) = 1. hat nur eine Bahn und daher folgt aus
1
(A) =
A stets A = oder A = . Das heit, dass J P-trivial ist und somit
ergodisch ist.
Beispiel 1.5. Anstatt solch ein n-Eck zu betrachten, kann man genauso
gut einen Kreis nehmen. Den identizieren wir nun mit dem Intervall
= [0, 1) und denieren uns als Abbildung eine Drehung R
a
: ,
x x + a (mod 1).
Sei weiter / = B() und P das Lebesguema.
Hier gilt:
R
a
ist ergodisch a ist irrational.
1 Ergodizitat 3
Beweis. R
a
ist immer matreu, unabhangig von a (0, 1).
Sei a =
p
q
mit p Z, q N. Deniere dann y
i
=
ip
q
(mod 1), z
i
=
ip
q
+
1
2q
(mod 1) f ur i = 1, ..., q und damit dann
A =
q
_
i=1
[y
i
, z
i
)
Es gilt R
1
a
(A) = A und P(A) =
1
2
. Daher ist R
a
nicht ergodisch.
Sei nun a / Q und ein > 0 vorgegeben. Dann existieren m, n, k N
mit m ,= n und [ma na k[ < , woraus mit b = (m n)a k folgt,
dass die Menge B = kb mod 1 : k N
0
dicht in [0, 1) liegt (in dem
Sinne, dass jeder Punkt aus [0, 1) maximal einen Abstand von zu dem
nachsten Punkt in B hat). Sei nun A [0, 1) invariant unter R
a
. Jetzt
wahle man f ur > 0 eine Funktion f C([0, 1)) mit |f 1
A
|
1
< . Dann
erhalt man mit der Invarianz von A
|f R
n
a
f|
1
< 2
f ur alle n. Weil f stetig ist und die obige Eigenschaft auf einer Menge gilt,
die dicht in [0, 1) liegt, gilt
|f R
t
f|
1
2 (1)
f ur alle t (0, 1). Man erhalt mit f(x) =
_
1
0
f(x) dt
_
_
_
_
f
_
1
0
f(t) dt
_
_
_
_
1
=
_
1
0

_
1
0
f(x) f(t) dt

dx
und dann mit der Matreue der Rotationsabbildung
_
_
_
_
f
_
1
0
f(t) dt
_
_
_
_
1
=
_
1
0

_
1
0
f(x) f(x + t mod 1) dt

dx

_
1
0
_
1
0
[f(x) f(x + t mod 1)[ dt dx

_
1
0
_
1
0
[2[ dt dx = 2, (2)
wobei wir f ur die unteren Zeilen erst die Dreiecks-Ungleichung und dann
(1) genutzt haben. Desweiteren haben wir mit der Bedingung, die wir
anfangs f ur f gefordert haben
_
1
0
[f(x) 1
A
(x)[ dx <
1 Ergodizitat 4
auch die Ungleichung

_
1
0
f(t) dt
_
1
0
1
A
(t) dt

<
und somit schlielich
_
1
0

_
1
0
f(t) dt P(A)

dx =
_
_
_
_
_
1
0
f(t) dt P(A)
_
_
_
_
1
< . (3)
Mit (2), (3), der Dreiecksungleichung und der Bedingung f ur f erhalt man
|1
A
P(A)|
1
|1
A
f|
1
+
_
_
_
_
f
_
1
0
f(t) dt
_
_
_
_
1
+
_
_
_
_
_
1
0
f(t) dt P(A)
_
_
_
_
1
< 4
f ur jedes > 0. Wenn jetzt P(A) (0, 1) gilt, so gibt es einen Bereich
mit positivem Ma in [0, 1), in dem der Integrand [1
A
(x) P(A)[ einen
positiven Wert annimmt. Folglich ist dann
|1
A
P(A)|
1
> 0.
Wahlt man klein genug, so erhalt man einen Widerspruch. Demnach ist
J P-trivial und R
a
ergodisch.
Bevor wir nun zu dem Ergodensatz kommen, beweisen wir ein Lemma,
das wir spater brauchen werden.
Lemma 1.6 (Messbarkeit). Sei matreu und f : (, /) (R, B(R))
messbar. Dann ist f genau dann J-messbar, wenn f = f ist.
Beweis. Es sei
Prim* := f : R : f(/, B(R))-messbar, #f() <
die Klasse der Funktionen mit nur endlich vielen Werten. Jede dieser
Funktionen hat eine Darstellung
f =
n

k=1
a
k
1
A
k
,
bei der a
i
,= a
j
,= 0 f ur alle i ,= j gilt und die A
k
s paarweise disjunkt
sind. Mit dieser Darstellung folgt
f ist J-messbar
1
(f
1
(B)) = f
1
(B) f ur alle B B(R)

1
(
_
jJ
A
j
) =
_
jJ
A
j
f ur alle J 1, ..., n. (1)
1 Ergodizitat 5
Hiervon ausgehend, zeigen wir nun die behauptete

Aquivalenz in zwei
Schritten.

= Es gilt (A
k
) = A
k
f ur alle k 1, ..., n. Damit folgt direkt
f = f.

= Sei j 1, ..., n beliebig und


1
(A
j
). Dann gilt mit f = f
n

k=1
a
k
1
A
k
() =
n

k=1
a
k
1
A
k
().
Weil wir wissen, dass () in A
j
ist, haben wir auf der linken Seite nur
noch a
j
. Es folgt a
j
= a
j
1
A
j
(), wodurch A
j
sein muss.
Sei nun j wie eben, aber A
j
. Man hat dann wieder
n

k=1
a
k
1
A
k
() =
n

k=1
a
k
1
A
k
(),
wobei die rechte Seite den Wert a
j
hat. Es folgt () A
j
.
Insgesamt wissen wir also, dass
1
(A
j
) = A
j
f ur alle j 1, ..., n gilt.
Weil diese Mengen disjunkt sind, folgt (1).
Allgemein haben wir zwar keine Funktion, die nur endlich viele Werte hat,
doch f ur jede Funktion f existiert eine Folge f
n
, die gegen f konvergiert.
Es gilt
lim
n
f
n
= f und f
n
Prim* f ur alle n N. (1)
Wir zeigen die

Aquivalenz wieder in zwei Schritten.

= Falls f J-messbar ist, so existiert eine Folge f


n
mit (1), bei der
auch alle Folgenglieder J-messbar sind. Weil wir den Satz f ur primitive
Funktionen bereits bewiesen haben, folgt
f
n
= f
n
f ur alle n N.
Wir m ussen nur noch zeigen, dass sich diese Eigenschaft auch auf den
Grenzwert ubertragen lasst. Sei daf ur . Dann gilt
(limf
n
)() = limf
n
(())
= limf
n
() (2)

= Sei nun f = f. Dann existiert wieder eine Folge f


n
mit (1)
und der zusatzlichen Eigenschaft, dass f
n
= f
n
f ur alle n N gilt.
Um die Messbarkeit zu zeigen, brauchen wir die Invarianz der Menge
: limf
n
() B
f ur beliebige Mengen B B(R). Das Urbild dieser Menge unter der Ab-
bildung ist
: limf
n
() B,
die durch (2) gleich der obigen Menge ohne das ist.
2 Der Ergodensatz von Birkho 6
2 Der Ergodensatz von Birkho
Wir wollen nun ausgehend von der Funktion und einer neuen Abbildung
f eine Folge von Zufallsvariablen denieren und Konvergenzaussagen uber
den Mittelwerts dieser Folge treen.
Sei daf ur matreu und f : R eine messbare Abbildung. Deniere
X
n
() = f
n
() und S
n
=
n1

k=0
X
k
f ur alle n N
0
.
Bevor wir uns jetzt den Ergodensatz ansehen, beweisen wir zuerst ein
Hilfslemma.
Lemma 2.1 (Maximal-Ergodenlemma). Sei X
0
L
1
(P).
Setze M
n
= max 0, S
1
, ..., S
n
, n N. Dann gilt
E[X
0
1
{M
n
>0}
] 0 f ur alle n N.
Beweis. Sei k N
0
und k n, dann gilt M
n
(()) S
k
(()).
Addiert man auf beiden Seiten X
0
, so ergibt sich
X
0
+ M
n
X
0
+ S
k
= S
k+1
und damit auch
X
0
S
k+1
M
n
f ur k = 0, ..., n.
Weil X
0
diese Ungleichung f ur alle k = 0, ..., n erf ullt, kann man auf der
rechten Seite auch das Maximum bilden und erhalt
X
0
max S
1
, ..., S
n
M
n
. (1)
Desweiteren gilt
M
n
> 0
c
M
n
= 0 M
n
0 M
n
M
n
0 . (2)
Mit (1) erhalt man f ur den Erwartungswert
E[X
0
1
{M
n
>0}
] E[(max S
1
, ..., S
n
M
n
)1
{M
n
>0}
].
Weil aufgrund der Indikatorfunktion im Erwartungswert sowieso M
n
> 0
gilt, kann man max S
1
, ..., S
n
durch M
n
ersetzen, was
E[X
0
1
{M
n
>0}
] E[(M
n
M
n
)1
{M
n
>0}
]
ergibt.
Als nachstes lasst man die Indikatorfunktion weg und hat dadurch das
Ergebnis wieder nur nach unten abgeschatzt, denn nach (2) ist auf der
Menge M
n
> 0
c
ohnehin M
n
M
n
0 . Wir haben also insgesamt
E[X
0
1
{M
n
>0}
] E[M
n
M
n
] = E[M
n
] E[M
n
] = 0.
Der letzte Ausdruck ist gleich 0, weil matreu ist und daher der Erwar-
tungswert von M
n
bez uglich P gleich dem bez uglich P

ist.
2 Der Ergodensatz von Birkho 7
Satz 2.2 (Birkho). Ist ergodisch und f = X
0
/
1
(P), so gilt
1
n
n1

k=0
X
k
n
E[X
0
] P-fast sicher
Beweis. Weil J P-trivial ist, ist E[X
0
] eine Version des bedingten Erwar-
tungswertes E[X
0
[J]. Wir zeigen deshalb die Konvergenz gegen E[X
0
[J].
Sei ohne Beschrankung der Allgemeinheit E[X
0
[J] = 0 P-fast sicher (falls
nicht, gehe uber zu

X
n
= X
n
E[X
0
[J], damit gilt dann E[

X
0
[J] = 0
P-fast sicher).
Es bleibt zu zeigen, dass
1
n
n1

k=0
X
k
n
0 P-fast sicher gilt.
Setze dazu
Z = limsup
n
1
n
S
n
,
weiter sei > 0 und F = Z > . Es ist Z = Z und damit ist
Z nach dem Messbarkeitslemma 1.6 J-messbar, also ist Z
1
(B) J f ur
alle B B(R) und damit insbesondere auch f ur B = (, ], wodurch
Z
1
(B) = Z > = F J folgt.
Setze nun
X

n
= (X
n
)1
F
S

n
= X

0
+ ... + X

n1
M

n
= max 0, S

1
, ..., S

n
F
n
= M

n
> 0 .
Es gilt dann F
1
F
2
... und

_
n=1
F
n
=
_
sup
kN
1
k
S

k
> 0
_
=
_
sup
kN
1
k
S
k
>
_
F.
Also gilt F
n
F. Mit X
0
als Majorante erhalt man durch majorisierte
Konvergenz E[X

0
1
F
n
]
n
E[X

0
]. Aus dem Maximal-Ergodenlemma
folgt E[X

0
1
F
n
] 0, daher gilt auch f ur den Grenzwert
0 E[X

0
] = E[(X
0
)1
F
]
= E[X
0
1
F
] E[1
F
]
= E[E[X
0
[I]1
F
] P[F]
= P[F],
woraus folgt 0 P[F] P[F] = 0.
Mit 0 sieht man, dass P[Z > 0] = 0 ist. Damit wissen wir
limsup
n
1
n
S
n
0 P-fast sicher.
2 Der Ergodensatz von Birkho 8
Wenn wir jetzt noch zeigen, dass auch
liminf
n
1
n
S
n
0 P-fast sicher
gilt, sind wir fertig. Wir denieren dazu

X
n
= X
n
f ur alle n N
0
,

S
n
=
n1

k=0

X
k
,

Z = limsup
n
1
n

S
n
und so weiter. Eine analoge Vorgehensweise liefert dann P[

Z > 0] = 0
und somit auch
P[limsup
n

1
n
S
n
> 0] = P[liminf
n
S
n
< 0] = 0.
Bemerkung 2.3. Um zu skizzieren, wie der Ergodensatz angewandt werden
kann, gehen wir zur uck zu Beispiel 1.4. Hier konnte man (in dem Fall, dass
ggT(k, n) = 1 ist) als Abbildung f die Identitat wahlen und w urde dann
mit dem Ergodensatz die Konvergenz
1
n
n1

k=0

k
()
n

n 1
2
P-fast sicher
erhalten. Man konnte f nat urlich noch anders denieren und w urde neue
Ergebnisse bekommen. Doch um wirklich interessante Aussagen zu erhal-
ten, werden wir uns von dem Beispiel losen m ussen und uns einer anderen
Thematik widmen.
3 Kettenbr uche 9
3 Kettenbr uche
Ein Kettenbruch ist ein Ausdruck der Form
a
0
+
b
0
a
1
+
b
1
a
2
+
b
2
a
3
+ ...
,
wobei die a
i
und b
i
nat urliche Zahlen seien. F ur a
1
, a
2
, ... lasst man dann
noch den Wert zu. Ist dann bei einem Kettenbruch ein a
k
= , so
sind die Zahlen a
i+1
und b
i
mit i k nicht mehr von Interesse.
Um beliebig lange Kettenbr uche besser darstellen zu konnen, schreiben
wir statt der obigen Variante
a
0
+
b
0
[
[a
1
+
b
1
[
[a
2
+
b
2
[
[a
3
+ ...
und beschranken uns dann auf Kettenbr uche mit b
i
= 1 f ur alle i N
0
.
Dadurch wird die Zuordnung zwischen reellen Zahlen und Kettenbr uchen
dieser Form eindeutig - bis auf folgende Ausnahme: F ur rationale Zahlen
gibt es namlich zwei verschiedene Kettenbruch-Darstellungen, weil
a
0
+
1[
[a
1
+ ... +
1[
[a
n
und a
0
+
1[
[a
1
+ ... +
1 [
[a
n
1
+
1[
[1
die gleiche Zahl beschreiben. Man vereinbart hier, immer die linke Dar-
stellung zu benutzen. Ausgehend von dieser Kettenbruch-Darstellung von
reellen Zahlen, kann man jede Zahl aus dem Intervall [0, 1) durch ge-
nau eine Folge (a
1
, a
2
, ...) identizieren, wobei wir f ur rationale Zahlen
Q [0, 1) mit
=
1[
[a
1
+ ... +
1[
[a
n
an dieser Stelle a
k
= f ur alle k > n setzen.
Bemerkung 3.1. Was uns nun interessiert, sind Eigenschaften der Folge
(a
1
, a
2
, ...), wenn man ein zufallig und gleichverteilt aus = [0, 1)
zieht und a
1
, a
2
, ... entsprechend wahlt, sodass der Kettenbruch der a
i
s
darstellt. Daf ur m ussen wir erstmal klaren, wie man ausgehend von
die a
i
s erhalt. Weil sich daf ur dann eine Abbildung nden wird, die
ein bisschen der Abbildung R
a
aus Beispiel 2.6 ahnelt, bekommen wir
langsam wieder Bezug zur Ergodentheorie.
3 Kettenbr uche 10
Ausgehend von einer Zahl [0, 1) w urde man mit a
1
=
1

die beste
Zahl a
1
nden, wenn denn
1

N ware, was allgemein nicht der Fall ist.


Deshalb benutzt man a
1
=
1

|.
Mit dem restlichen Teil des Kettenbruchs muss man anschlieend noch die
Zahl
1

| darstellen, welche nat urlich wieder in [0, 1) ist. Das Schema


ist wieder dasselbe: Kehrwert bilden, abrunden, die Zahl als nachstes a
i
benutzen und mit dem Rest weitermachen nach dem Schema.
Um diesen Sachverhalt wollen wir nun formalisieren.
Denition 3.2. Es sei
T : T() =
_
1

| ,= 0
0 sonst
die Abbildung, die nach jedem Schritt der Kettenbruchdarstellung den
Rest angibt, der noch durch die weiteren Br uche dargestellt werden muss.
Denition 3.3. Es sei a : N
a() =
_

| ,= 0
sonst
a
n
() = a(T
n1
())
die Abbildung, die als Werte die zu wahlenden Koezienten hat.
Wir werden spater sehen: die Abbildung T ist ergodisch (wenn man ein
passendes Wahrscheinlichkeitsma P wahlt). Der Beweis daf ur ist nicht
gerade einfach und benotigt ein paar Eigenschaften, die wir an dieser
Stelle behandeln wollen.
Sei im Folgenden immer [0, 1).
Lemma 3.4. Es gilt f ur alle n N :
=
1 [
[a
1
()
+ ... +
1 [
[a
n1
()
+
1 [
[a
n
() + T
n
()
.
Beweis. F ur = 0 ist a
1
() = und somit der ganze Kettenbruch = 0.
F ur (0, 1) beweisen wir die Aussage mit Induktion uber n.
F ur n = 1 ist die Aussage
=
1
a
1
() + T()
=
1

| +
1

|
=
1
(
1

)
=
oensichtlich wahr. Wir konnen im folgenden also annehmen, dass die
Aussage f ur n gilt. Wenn wir dann zeigen, dass sie auch f ur n + 1 gilt,
sind wir fertig.
Es ist also
=
1 [
[a
1
()
+ ... +
1 [
[a
n
()
+
1 [
[a
n+1
() + T
n+1
()
3 Kettenbr uche 11
zu beweisen. Dabei verwenden wir die Induktionsvoraussetzung und set-
zen sie f ur ein. Es bleibt dann zu zeigen, dass
1 [
[a
1
()
+... +
1 [
[a
n
() + T
n
()
=
1 [
[a
1
()
+... +
1 [
[a
n
()
+
1 [
[a
n+1
() + T
n+1
()
gilt. Wir vergleichen hier jetzt nur noch die letzten Teilbr uche und erhal-
ten so
1 [
[a
n
() + T
n
()
=
1 [
[a
n
()
+
1 [
[a
n+1
() + T
n+1
()
.
F ur T
n
() = 0 ist dann a
n+1
() = a(T
n
()) = a(0) = . Man hat hier
also auf beiden Seiten
1
a
n
()
.
F ur T
n
() ,= 0 ist
1
a
n+1
() + T
n+1
()
=
1
a(T
n
()) + T(T
n
())
=
1

1
T
n
()
| +
1
T
n
()

1
T
n
()
|
=
1
(
1
T
n
()
)
= T
n
().
Wir denieren nun zwei ganzzahlige Hilfsfunktionen q() und p(), die
ab einem n
0
N streng monoton wachsen.
p
n
()
q
n
()
ist eine gute Naherung
f ur , wenn n gro ist. Auerdem gibt es ein paar Eigenschaften der
Funktionen in Zusammenspiel mit endlich langen Kettenbr uchen, die wir
erst beweisen und uns dann zu Nutze machen wollen.
Denition 3.5. Mit p
1
() = 1, p
0
() = 0, q
1
() = 0 und q
0
() = 1
denieren wir rekursiv f ur alle n N
p
n
() = a
n
()p
n1
() + p
n2
() und q
n
() = a
n
()q
n1
() + q
n2
().
Lemma 3.6. F ur alle n N
0
gilt
p
n1
()q
n
() p
n
()q
n1
() = (1)
n
.
Beweis. Wir zeigen dies wieder mit Induktion uber n.
Ist n = 0 so folgt
p
1
()q
0
() p
0
()q
1
() = 1 1 0 0 = (1)
0
direkt. Sei die Aussage also f ur n richtig. Ausgehend davon zeigen wir
jetzt, dass sie auch f ur n+1 gilt, denn mit Einsetzen der Rekursionsformel
von p
n
() und q
n
() folgt
p
n
()q
n+1
() p
n+1
()q
n
()
3 Kettenbr uche 12
= p
n
()(a
n+1
()q
n
() + q
n1
()) (a
n+1
()p
n
() + p
n1
())q
n
()
= p
n
()q
n1
() q
n1
()q
n
() = (1)
n
= (1)
n+1
,
wobei sich a
n+1
p
n
()q
n
() wegk urzen lie und man in der letzten Zeile
die Induktionsvoraussetzung genutzt hat.
Bemerkung 3.7. Um das nachste Lemma zu beweisen ist es praktisch,
wenn man die explizite Form der ersten paar p
n
()s und q
n
()s kennt.
Um Teile des Beweises ubersichtlicher zu machen, schreiben wir oft a
n
statt a
n
() und formen einen Ausdruck der Form a
n
(T()) meist direkt
zu a
n+1
um. Mit diesen Vereinbarungen haben wir
p
1
() = 1 q
1
() = 0
p
0
() = 0 q
0
() = 1
p
1
() = 1 q
1
() = a
1
p
2
() = a
2
q
2
() = a
2
a
1
+ 1
p
3
() = a
3
a
2
+ 1 q
3
() = a
3
a
2
a
1
+ a
3
+ a
1
.
Man kann nat urlich f ur q
n
(T()) dieselben Formeln verwenden, wenn man
die Indizes der a
i
s dabei alle um 1 erhoht. Selbes gilt auch f ur p
n
(T()).
So ist zum Beispiel p
3
(T()) = a
4
a
3
+ 1.
Lemma 3.8. F ur n 1 und 0 t 1 gilt
1 [
[a
1
()
+ ... +
1 [
[a
n1
()
+
1 [
[a
n
() + t
=
p
n
() + tp
n1
()
q
n
() + tq
n1
()
.
Beweis. Auch diese Aussage beweisen wir wieder per Induktion uber n.
F ur n = 1 folgt
1
a
1
() + t
=
p
1
() + tp
0
()
q
1
() + tq
0
()
direkt durch Einsetzen.
Wieder nehmen wir an, dass die Aussage f ur n richtig sei und zeigen die
Richtigkeit der Aussage f ur n + 1. Das heit, dass wir
1 [
[a
1
()
+ ... +
1 [
[a
n
()
+
1 [
[a
n+1
() + t
=
p
n+1
() + tp
n
()
q
n+1
() + tq
n
()
zeigen m ussen.
Weil a
k+1
() = a
k
(T()) gilt, lasst sich die linke Seite auch als
1 [
[a
1
()
+
1 [
[a
1
(T())
+ ... +
1 [
[a
n
(T()) + t
3 Kettenbr uche 13
schreiben, worauf man die Induktionsvoraussetzung anwenden kann. Man
erhalt
1
a
1
() +
p
n
(T()) + tp
n1
(T())
q
n
(T()) + tq
n1
(T())
=
p
n+1
() + tp
n
()
q
n+1
() + tq
n
()
,
nimmt auf beiden Seiten den Kehrwert, multipliziert dann mit beiden
Nennern und kommt auf
a
1
(p
n+1
() + tp
n
())(q
n
(T()) + tq
n1
(T()))
+(p
n
(T()) + tp
n1
(T()))(p
n+1
() + tp
n
())
= (q
n+1
() + tq
n
())(q
n
(T()) + tq
n1
(T())).
Ausmultiplizieren und die Gleichung auf die Terme mit t
2
, t und ohne t
aufteilen, bringt uns zu den folgenden 3 Gleichungen:
a
1
p
n+1
()q
n
(T()) + p
n
(T())p
n+1
() = q
n+1
()q
n
(T()) (1)
a
1
p
n+1
()q
n1
(T()) + a
1
()p
n
()q
n
(T()) (2)
+ p
n
()p
n
(T()) + p
n+1
()p
n1
(T())
= q
n+1
()q
n1
(T()) + q
n
()q
n
(T())
a
1
p
n
()q
n1
(T()) + p
n
()p
n1
(T()) = q
n
() + q
n1
(T()). (3)
Wenn alle 3 Gleichungen wahr sind, sind wir mit dem Beweis fertig.
Wir beginnen damit, (1) zu zeigen per Induktion uber n.
F ur n = 1 haben wir
a
1
p
2
()q
1
(T()) + p
1
(T())p
2
() = q
2
()q
1
(T())
a
1
a
2
a
2
+ 1 a
2
= (a
2
a
1
+ 1)a
2
,
was nat urlich wahr ist.
Um die Aussage f ur n +1 zu zeigen, werden wir die Induktionsvorausset-
zung f ur n1 und n benutzen. Um dabei sicherzustellen, dass die Aussage
f ur 2 aufeinander folgende n gilt, zeigen wir den Induktionsanfang noch
f ur n = 2. Die Formel hierf ur lautet
a
1
p
3
()q
2
(T()) + p
2
(T())p
3
() = q
3
()q
2
(T())
a
1
(a
3
a
2
+ 1)(a
3
a
2
+ 1) + a
3
(a
3
a
2
+ 1)
= (a
3
a
2
a
1
+ a
3
+ a
1
)(a
3
a
2
+ 1)
und ist ebenfalls wahr. Um nun den Schritt von n 1 und n zu n + 1 zu
machen, m ussen wir
a
1
p
n+2
()q
n+1
(T()) + p
n+1
(T())p
n+2
() = q
n+2
()q
n+1
(T())
3 Kettenbr uche 14
zeigen. Einsetzen der Rekursionsformeln f ur p
n
und q
n
liefert hier
a
1
(a
n+2
p
n+1
() + p
n
())(a
n+2
q
n
(T()) + q
n1
(T()))
+(a
n+2
p
n
(T()) + p
n1
(T()))(a
n+2
p
n+1
() + p
n
())
= (a
n+2
q
n+1
() + q
n
())(a
n+2
q
n
(T()) + q
n1
(T())),
was nach Ausmultiplizieren und einer kurzen Umformung so aussieht:
a
2
n+2
(a
1
p
n+1
()q
n
(T()) + p
n
(T())p
n+1
())
+a
1
p
n
()q
n1
(T()) + p
n1
(T())p
n
()
+a
n+2
(a
1
p
n+1
()q
n1
(T()) + a
1
p
n
()q
n
(T())
+p
n
()p
n
(T()) + p
n+1
()p
n1
(T()))
= a
2
n+2
q
n+1
()q
n
(T()) + q
n
()q
n1
(T())
+a
n+2
(q
n+1
()q
n1
(T()) + q
n
()q
n
(T())).
Nun sind wegen der Induktionsvoraussetzung (1) die unterstrichenen Ter-
me gleich und fallen weg.

Ubrig bleibt
a
n+2
(a
1
p
n+1
()q
n1
(T()) + a
1
p
n
()q
n
(T())
+p
n
()p
n
(T()) + p
n+1
()p
n1
(T()))
= a
n+2
(q
n+1
()q
n1
(T()) + q
n
()q
n
(T())),
woraus man durch K urzen von a
n+2
(2) erhalt. Ferner ist (3) erf ullt durch
die Induktionsvoraussetzung (1), die ja auch wahr ist, sofern wir den In-
duktionsschritt vollziehen konnen, welcher ja aquivalent zu (2) ist. Wir
m ussen also nur noch (2) beweisen und sind fertig.
Wir beweisen (2) mit Induktion uber n. F ur n = 1 ist dann
a
1
p
2
()q
0
(T()) + a
1
p
1
()q
1
(T()) + p
1
()p
1
(T()) + p
2
()p
0
(T())
= q
2
()q
0
(T()) + q
1
()q
1
(T())
a
1
a
2
+ a
1
a
2
+ 1 = a
1
a
2
+ 1 + a
1
a
2
oentlichtlich erf ullt und f ur n = 2 ist
a
1
p
3
()q
1
(T()) + a
1
p
2
()q
2
(T()) + p
2
()p
2
(T()) + p
3
()p
1
(T())
= q
3
()q
1
(T()) + q
2
()q
2
(T())
a
1
(a
3
a
2
+ 1)a
2
+ a
1
a
2
(a
3
a
2
+ 1) + a
2
a
3
+ a
3
a
2
+ 1
= (a
3
a
2
a
1
+ a
3
+ a
1
)a
2
+ (a
2
a
1
+ 1)(a
3
a
2
+ 1)
a
3
a
2
2
a
1
+ a
2
a
1
+ a
3
a
2
2
a
1
+ a
2
a
1
+ a
3
a
2
+ a
3
a
2
+ 1
= a
3
a
2
2
a
1
+ a
3
a
2
+ a
2
a
1
+ a
3
a
2
2
a
1
+ a
2
a
1
+ a
3
a
2
+ 1
ebenfalls wahr. Es bleibt also der Induktionsschritt auf n+1, bei dem man
wieder ahnlich vorgeht wie bisher. Man setzt die Rekursionsgleichungen
3 Kettenbr uche 15
ein und formt auf beiden Seiten so um, dass man die Induktionsvoraus-
setzung benutzen kann. Es gilt
a
1
p
n+2
()q
n
(T()) + a
1
p
n+1
()q
n+1
(T()) + p
n+1
()p
n+1
(T()) + p
n+2
()p
n
(T())
= q
n+2
()q
n
(T()) + q
n+1
()q
n+1
(T())

a
n+2
a
n+1
(a
1
p
n+1
()q
n1
(T()) + a
1
p
n
()q
n
(T())
+p
n
()p
n
(T()) + p
n+1
()p
n1
(T()))
+ a
1
p
n
()q
n2
(T()) + a
1
p
n1
()q
n1
(T())
+p
n1
()p
n1
(T()) + p
n
()p
n2
(T())
+ a
n+2
(a
1
(p
n+1
()q
n2
(T()) + p
n1
()q
n
(T()))
+ p
n1
()p
n
(T()) + p
n+1
()p
n2
(T()))
+ a
n+1
(a
1
(p
n
()q
n1
(T()) + p
n
()q
n1
(T()))
+ p
n
()p
n1
(T()) + p
n
()p
n1
(T()))
= a
n+2
a
n+1
q
n+1
()q
n1
(T()) + q
n
()q
n
(T())
+q
n
()q
n2
(T()) + q
n1
()q
n1
(T())
+ a
n+2
(q
n+1
()q
n2
(T()) + q
n1
()q
n
(T()))
+ a
n+1
(q
n
()q
n1
(T()) + q
n
()q
n1
(T())).
Wieder sind die unterstrichenen Terme nach Induktionsvoraussetzung gleich.
Es bleibt eine neue Formel ubrig, die man auf a
n+1
- und a
n+2
-Terme un-
terteilen kann, wodurch diese beiden Gleichungen entstehen:
a
1
(p
n+1
()q
n2
(T()) + p
n1
()q
n
(T())) (4)
+p
n1
()p
n
(T()) + p
n+1
()p
n2
(T())
= q
n+1
()q
n2
(T()) + q
n1
()q
n
(T())
a
1
p
n
()q
n1
(T()) + p
n
()p
n1
(T()) = q
n
()q
n1
(T()). (5)
Wahrend (5) durch die Induktionsvoraussetzung (1) gilt, m ussen wir (4)
durch (die vorerst letzte) Induktion zeigen.
Sei also wieder n = 1, dann gilt
a
1
(p
2
()q
1
(T()) + p
0
()q
1
(T())) + p
0
()p
1
(T()) + p
2
()p
1
(T())
= q
2
()q
1
(T()) + q
0
()q
1
(T())
a
2
= a
2
.
3 Kettenbr uche 16
F ur n = 2 ist
a
1
(p
3
()q
0
(T()) + p
1
()q
2
(T())) + p
1
()p
2
(T()) + p
3
()p
0
(T())
= q
3
()q
0
(T()) + q
1
()q
2
(T())
a
1
((a
3
a
2
+ 1) + a
3
a
2
+ 1) + a
3
= a
3
a
2
a
1
+ a
3
+ a
1
+ a
1
(a
3
a
2
+ 1)
ebenfalls erf ullt. Analoge Vorgehensweise beim Schritt auf n + 1 liefert
dann schlielich
q
n
()q
n1
(T()) = a
1
p
n
()q
n1
(T()) + p
n
()p
n1
(T()),
was nach Induktionsvoraussetzung (1) gilt, also ist die Aussage bewiesen.
Um den Ergodensatz auf Kettenbr uche anwenden zu konnen, muss T
ergodisch sein. Wenn man als Wahrscheinlichkeitsma das Lebensgue-Ma
wahlt, scheitert dies allerdings schon an der Matreue, denn in diesem
Fall gibt es eine Menge A [0, 1), f ur die (T
1
(A)) ,= (A) gilt.

Uberlegen wir uns erstmal, wie T


1
und allgemein T
n
aussehen. Daf ur
benutzen wir folgende Denition:
T
n
[x, y) = [0, 1) : x T
n
< y f ur 0 x < y 1.
Es ergibt sich
T
1
[x, y) =

_
k=1
_
1
k + y
,
1
k + x
_
,
T
n
[x, y) =

_
k
1
=1
...

_
k
n
=1
_
1[
[k
1
+ ... +
1 [
[k
n
+ x
,
1[
[k
1
+ ... +
1 [
[k
n
+ y
_
f ur gerade n und
T
n
[x, y) =

_
k
1
=1
...

_
k
n
=1
_
1[
[k
1
+ ... +
1 [
[k
n
+ y
,
1[
[k
1
+ ... +
1 [
[k
n
+ x
_
f ur ungerade n.
Zur uck zur Ergodizitat: T ist nicht ergodisch unter .
Beweis. Wahle A = [0,
1
2
), dann gilt (A) =
1
2
und mit
T
1
(A) =

_
k=1
_
1
k + 1/2
,
1
k
_
ergibt sich (T
1
(A)) =

k=1
1
k

1
k + 1/2
.
Anstatt diese Summe nun exakt zu berechnen, schatzen wir
1
k+1/2
f ur
k 5 mit
1
k
ab und erhalten so
(T
1
(A)) >
4

k=1
1
k

1
k + 1/2
>
1
2
.
3 Kettenbr uche 17
Es muss also ein anderes Wahrscheinlichkeitsma benutzt werden. Wir
denieren daher das Gau-Ma:
Denition 3.9. Es sei
P(A) =
1
log 2
_
A
1
1 + x
dx f ur A B[0, 1).
Wir meinen bis zum Ende des Kapitels stets das Gau-Ma, sofern von
P geredet wird.
Satz 3.10. T ist matreu unter P.
Beweis. Wir konnen P(T
1
(A)) = P(A) f ur alle A B[0, 1) beweisen,
indem wir die Aussage f ur alle Elemente eines Erzeugendensystems zeigen.
Wir verwenden hier [0, a) : 0 < a 1 und erhalten mit T
1
wie weiter
oben
P(T
1
[0, a)) =
1
log 2

k=1
_ 1
k
1
k+a
1
1 + x
dx.
Die in der Summe auftauchenden Integrale kann man einfach losen:
_ 1
k
1
k+a
1
1 + x
dx = log
_
1 +
1
k
_
log
_
1 +
1
k + a
_
= log
_
1 +
a
k
_
log
_
1 +
a
k + 1
_
.
Um dabei die letzte Gleichung zu zeigen, benutzt man log a log b =
log(
a
b
), wendet auf beiden Seiten die Exponentialfunktion an und erhalt
(1 +
1
k
)
(1 +
1
k+a
)
=
(1 +
a
k
)
(1 +
a
k+1
)
,
was durch Ausmultiplizieren folgt. Es ist
log
_
1 +
a
k
_
log
_
1 +
a
k + 1
_
=
_ a
k
a
k+1
1
1 + x
dx
und
1
log 2

k=1
_ a
k
a
k+1
1
1 + x
dx =
1
log 2
_
a
0
1
1 + x
dx = P([0, a)).
Satz 3.11. Die -Algebra der invarianten Ereignisse
J :=
_
A / : T
1
(A) = A
_
ist P-trivial.
3 Kettenbr uche 18
Beweis. Wir denieren erstmal f ur a
1
, ..., a
n
N :

n
:=
a
1
,...,a
n
:= [0, 1) : a
1
() = a
1
, ..., a
n
() = a
n

und
(t) :=
a
1
,...,a
n
(t) :=
1[
[a
1
+ ... +
1 [
[a
n1
+
1 [
[a
n
+ t
.
Wir gehen hier jetzt also nicht mehr von einer Zahl aus und konstruieren
damit dann die a
i
s, sondern gehen von festen Werten a
1
, ..., a
n
aus.
Weil
n
das Bild von [0, 1) unter ist, gilt (
n
) = ((1) (0)),
wobei dort + steht, falls n gerade ist und , wenn n ungerade ist. F ur
0 x < y 1 folgt mit den selben Vorzeichen wie bei (
n
) :
(T
n
[x, y)
n
) = ((y) (x)),
was direkt aus den Kettenbr uchen (0), (1) und den Kettenbr uchen in
der Vereinigung von T
n
auf Seite 17 folgt. Insgesamt haben wir damit
(T
n
[x, y)[
n
) =
(y) (x)
(1) (0)
.
Deniert man p
n
und q
n
f ur die a
1
, ..., a
n
analog zu den p
n
() und q
n
(),
so erhalt man analog zu Lemma 3.8

n
(t) =
p
n
+ tp
n1
q
n
+ tq
n1
,
was wir verwenden, um
(T
n
[x, y)[
n
) =
p
n
+ yp
n1
q
n
+ yq
n1

p
n
+ xp
n1
q
n
+ xq
n1
p
n
+ p
n1
q
n
+ q
n1

p
n
q
n
=
(p
n
+ yp
n1
)(q
n
+ xq
n1
) (p
n
+ xp
n1
)(q
n
+ yq
n1
)
(q
n
+ yq
n1
)(q
n
+ xq
n1
)
q
n
(p
n
+ p
n1
) p
n
(q
n
+ q
n1
)
q
n
(q
n
+ q
n1
)
= q
n
(q
n
+ q
n1
)
y(p
n1
q
n
p
n
q
n1
) + x(p
n
q
n1
p
n1
q
n
)
(p
n1
q
n
p
n
q
n1
)(q
n
+ xq
n1
)(q
n
+ yq
n1
)
= (y x)
q
n
(q
n
+ q
n1
)
(q
n
+ xq
n1
)(q
n
+ yq
n1
)
zu erhalten. Weil hier jetzt
q
n
(q
n
+ q
n1
)
(q
n
+ xq
n1
)(q
n
+ yq
n1
)

q
n
(q
n
+ q
n1
)
(q
n
+ q
n1
)
2
=
q
n
(q
n
+ q
n1
)

1
2
3 Kettenbr uche 19
und
q
n
(q
n
+ q
n1
)
(q
n
+ xq
n1
)(q
n
+ yq
n1
)

q
n
(q
n
+ q
n1
)
q
2
n
=
q
n
+ q
n1
q
n
2
gelten, ist der Faktor immer zwischen
1
2
und 2. Es folgt
1
2
(A) (T
n
(A)[
n
) 2(A)
erst nur f ur Intervalle A = [x, y), aber mit der

Uberlegung, dass das ganze
auch f ur weitere Intervalle funktioniert und die Vereinigung dann eben-
falls die Ungleichungen erf ullt, f ur alle Elemente aus B[0, 1).
Weil die Dichte des Gau-Maes nur Werte zwischen
1
2 log 2
und
1
log 2
an-
nimmt, gilt
(A)
2 log 2
P(A)
(A)
log 2
f ur A B[0, 1).
Mit den beiden Doppel-Ungleichungen schranken wir jetzt P(T
n
A[
n
)
ein. Aus den beiden Ungleichungen
P(T
n
(A)
n
)
P(
n
)

(T
n
(A)
n
) log 2
(
n
)2 log 2
=
1
2
(T
n
(A)[
n
)
1
4
(A)
und
P(T
n
(A)
n
)
P(
n
)

(T
n
(A)
n
)2 log 2
(
n
) log 2
= 2(T
n
(A)[
n
) 4(A)
folgt
1
4
P(A) P(T
n
A[
n
) 4P(A).
Sei jetzt A ein Ereignis mit P(A) > 0 und T
1
(A) = A. Dann folgt mit
der linken Seite der obigen Ungleichung
1
4
P(A) P(A[
n
) und mit der
rechten Seite
1
4
P(
n
) P(
n
[A), weil aus T
1
(A) = A induktiv f ur alle
n N T
n
(A) = A folgt.
Damit ergibt sich
1
4
P(E) P(E[A)
f ur Elemente E eines Erzeugendensystems von B[0, 1). Weil diese Unglei-
chung f ur alle E B[0, 1) gilt, muss sie insbesondere auch f ur E = A
c
gelten, was zu
1
4
P(A
c
)
P(A A
c
)
P(A)
= 0
f uhrt. Ergo ist P(A
c
) = 0 und P(A) = 1.
4 Anwendung des Erogdensatzes 20
4 Anwendung des Erogdensatzes
Mit 3.10 und 3.11 wissen wir jetzt, dass T ergodisch ist. Was f ur Aussagen
liefert nun der Ergodensatz von Birkho?
Um ihn uberhaupt anwenden zu konnen, brauchen wir eine messbare Ab-
bildung f /
1
(P). Mit der konnen wir dann auf die P-fast sichere Kon-
vergenz
lim
n
1
n
n1

k=0
f(T
k
()) =
_
1
0
f()
1 +
d
schlieen.
Bemerkung 4.1. Die P-fast sichere Konvergenz impliziert auch -fast si-
chere Konvergenz, weil P und die selben Nullmengen haben.
Zu beachten ist noch, dass man beispielsweise mit f = a() f ur den k-ten
Summanden
f(T
k
()) = a(T
k
()) = a
k
()
erhalt. Wir fangen genau mit dieser Funktion an und erhalten das erste
von den drei versprochenen Ergebnissen.
(i) Es gilt P-fast sicher
lim
n
1
n
n

k=1
a
k
() =
1
log 2
_
1
0
a
1
()
1 +
d
1
2 log 2
_
1
0
1

1 d = ,
wobei wir 1 + durch 2 und
1

| durch
1

1 abgeschatzt haben.
Das arithmetische Mittel der a
k
s divergiert also P-fast sicher gegen
Unendlich.
(ii) Als nachstes nehmen wir uns f = 1
{a
1
()=m}
vor und erhalten
lim
n
1
n
n

k=1
1
{a
k
()=m}
=
1
log 2
_
1
0
1
{
1

=m}
1
1 +
d,
wobei
1

| = m (
1
m+1
,
1
m
] ist. Dadurch ist die rechte Seite
=
1
log 2
_ 1
m
1
m+1
1
1 +
d =
1
log 2
_
log(1 + x)

1
m
1
m+1
_
,
was sich durch Logarithmengesetze und geschicktes Erweitern als
=
1
log 2
log
_
1 +
1
m
1 +
1
m+1
_
=
1
log 2
log
(m + 1)
2
m(m + 2)
schreiben lasst. Dies ist die relative Haugkeit der Zahl m in der
Kettenbruchdarstellung.
4 Anwendung des Erogdensatzes 21
F ur m = 1 erhalt man eine Haugkeit von etwa 0, 415. Nun dazu
eine einfache Frage: Wie haug tritt die 1 an der ersten Stelle der
Kettenbruchdarstellung auf?
Die Wahrscheinlichkeit daf ur ist selbstverstandlich
( :
_
1

_
= 1) = ((1/2, 1)) =
1
2
.
Nun tritt die 1 an erster Stelle also hauger auf als durchschnittlich.
Wir wissen daher, dass die a
i
s nicht gleichverteilt sind.
Mit dem starken Gesetz der groen Zahlen hatte man hier also nichts
anfangen konnen.
(iii) Als letztes betrachten wir f = log a
1
(). Hier besagt der Ergoden-
satz, dass
lim
n
1
n
n

k=1
log a
k
() =
1
log 2
_
1
0
log a
1
()
1 +
d
gilt. F ur die rechte Seite bekommen wir mit dem Integral
_
1/k
1/(k+1)
1
1+
d wie oben
1
log 2

k=1
_ 1
k
1
k+1
log k
1 +
d =
1
log 2

k=1
log k log
(k + 1)
2
k(k + 2)
.
Wenden wir anschlieend auf beiden Seiten die Exponentialfunktion
an, so ergibt sich links
lim
n
(e

n
k=1
log a
k
()
)
1
n
= lim
n
(a
1
() ... a
n
())
1
n
,
also der Grenzwert des geometrischen Mittels der a
1
(), ..., a
n
().
Rechts haben wir mit
_
e

k=1
log k log
(k+1)
2
k(k+2)
_ 1
log 2
=

k=1
_
(k + 1)
2
k(k + 2)
_
log k
log 2
eine reelle Zahl. Um zu zeigen, dass der Ausdruck tatsachlich kon-
vergiert, schatzen wir das urspr ungliche Integral ab:
_
1
0
log a
1
()
1 +
d
_
1
0
log
1

d =
_
+ log
1

1
0
_
< ,
wobei man f ur 0 nach LHospital zeigen kann, dass log
1

gegen 0 konvergiert.
Die reelle Zahl ist bekannt als Khintchine-Konstante und betragt
etwa 2, 685.
Das geometrische Mittel der a
k
s konvergiert also fast sicher gegen
diese Konstante.
Literatur 22
Literatur
[Bil65] Patrick Billingsley. Ergodic Theory and Information. Chicago,
1965.
[Kle08] Achim Klenke. Wahrscheinlichkeitstheorie. Mainz, 2008.
[ME11] Thomas Ward und Manfred Einsiedler. Ergodic Theory. Z urich,
Norwich, 2011.
Erklrung zur Bachelorarbeit
Ich versichere, dass ich die Arbeit selbststndig angefertigt, nicht anderweitig fr
Prfungszwecke vorgelegt, alle benutzten Quellen und Hilfsmittel angegeben, sowie
wrtliche und sinngeme Zitate gekennzeichnet habe.
Hannover, ____________________________________________________

Das könnte Ihnen auch gefallen